完全分布式Hadoop2.3安装与配置

出处：http://golab.blog.51cto.com/7876557/1365883

一、Hadoop基本介绍

Hadoop优点

1.高可靠性：Hadoop按位存储和处理数据

2.高扩展性：Hadoop是在计算机集群中完成计算任务，这个集群可以方便的扩展到几千台

3.高效性：Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度快

4.高容错性：Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配

5.低成本：Hadoop是开源的，集群是由廉价的PC机组成

Hadoop架构和组件

Hadoop是一个分布式系统基础架构，底层是HDFS（Hadoop Distributed File System）分布式文件系统，它存储Hadoop集群中所有存储节点上的文件（64MB块），HDFS上一层是MapReduce引擎（分布式计算框架），对分布式文件系统中的数据进行分布式计算。

1.HDFS架构

NameNode：Hadoop集群中只有一个NameNode，它负责管理HDFS的目录树和相关文件的元数据信息

Sencondary NameNode：有两个作用，一是镜像备份，二是日志与镜像定期合并，并传输给NameNode

DataNode：负责实际的数据存储，并将信息定期传输给NameNode

2.MapReduce架构（Hadoop0.23以后采用MapReduce v2.0或Yarn）

Yarn主要是把jobtracker的任务分为两个基本功能：资源管理和任务调度与监控，ResourceManager和每个节点（NodeManager）组成了新处理数据的框架。

ResourceManager：负责集群中的所有资源的统一管理和分配，接受来自各个节点（NodeManager）的资源汇报信息，并把这些信息按照一定的策略分配给各种应用程序（ApplicationMaster）。

NodeManager：与ApplicationMaster承担了MR1框架中的tasktracker角色，负责将本节点上的资源使用情况和任务运行进度汇报给ResourceManager。

           MapReduce v1.0框架（图1）

            MapReduce v2.0框架（图2）

环境介绍：

master-hadoop 192.168.0.201

slave1-hadoop 192.168.0.202

slave2-hadoop 192.168.0.203

最新稳定版：http://www.apache.org/dist/hadoop/core/hadoop-2.3.0/

JDK下载：http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html

参考官方文档：http://hadoop.apache.org/docs/r2.3.0/hadoop-project-dist/hadoop-common/ClusterSetup.html

Hadoop三种运行方式：单节点方式（单台）、单机伪分布方式（一个节点的集群）与完全分布式（多台组成集群）

二、准备环境

1．Hadoop是用Java开发的，必须要安装JDK1.6或更高版本

2．Hadoop是通过SSH来启动slave主机中的守护进程，必须安装OpenSSH

3．Hadoop更新比较快，我们采用最新版hadoop2.3来安装

4．配置对应Hosts记录，关闭iptables和selinux（过程略）

5．创建相同用户及配置无密码认证

三、安装环境（注：三台配置基本相同）

1．安装JDK1.7

1 2 3 4 5 6 7 8 9 10 11 12

[root@master-hadoop ~] # tar zxvf jdk-7u17-linux-x64.tar.gz [root@master-hadoop ~] # mv jdk1.7.0_17/ /usr/local/jdk1.7 [root@slave1-hadoop ~] # vi/etc/profile    #末尾添加变量 JAVA_HOME= /usr/local/jdk1 .7 PATH=$PATH:$JAVA_HOME /bin CLASSPATH=$JAVA_HOME /lib :$JAVA_HOME /jre/lib export  JAVA_HOME CLASSPATHPATH [root@slave1-hadoop ~] #source /etc/profile [root@slave1-hadoop ~] # java-version      #显示版本说明配置成功 java version "1.7.0_17" Java(TM) SE RuntimeEnvironment (build 1.7.0_17-b02) Java HotSpot(TM) 64-BitServer VM (build 23.7-b01, mixed mode)

2．创建hadoop用户，指定相同UID

1 2 3 4 5 6

[root@master-hadoop ~] #useradd -u 600 hadoop [root@master-hadoop ~] #passwd hadoop Changing password  for  userhadoop. New password: Retype new password: passwd : all authenticationtokens updated successfully.

3.配置SSH无密码登录（注：master-hadoop本地也要实现无密码登录）

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

[root@master-hadoop ~] # su - hadoop [hadoop@master-hadoop ~]$  ssh -keygen -t rsa      #一直回车生成密钥 [hadoop@master-hadoop ~]$  cd /home/hadoop/ . ssh / [hadoop@master-hadoop . ssh ]$  ls id_rsa  id_rsa.pub [hadoop@slave1-hadoop ~]$  mkdir  /home/hadoop/ . ssh    #登录两台创建.ssh目录 [hadoop@slave2-hadoop ~]$  mkdir  /home/hadoop/ . ssh [hadoop@master-hadoop . ssh ]$  scp  id_rsa.pub hadoop@slave1-hadoop: /home/hadoop/ . ssh / [hadoop@master-hadoop . ssh ]$  scp  id_rsa.pub hadoop@slave2-hadoop: /home/hadoop/ . ssh / [hadoop@slave1-hadoop ~]$  cd /home/hadoop/ . ssh / [hadoop@slave1-hadoop . ssh ]$  cat  id_rsa.pub >> authorized_keys [hadoop@slave1-hadoop . ssh ]$  chmod  600 authorized_keys [hadoop@slave1-hadoop . ssh ]$  chmod  700 ../. ssh /    #目录权限必须设置700 [root@slave1-hadoop ~] # vi /etc/ssh/sshd_config   #开启RSA认证 RSAAuthentication  yes PubkeyAuthentication  yes AuthorizedKeysFile      . ssh /authorized_keys [root@slave1-hadoop ~] # service sshd restart

四、Hadoop的安装与配置（注：三台服务器配置一样，使用scp复制过去）

1 2 3 4 5 6 7

[root@master-hadoop ~] # tar zxvf hadoop-2.3.0.tar.gz -C /home/hadoop/ [root@master-hadoop ~] # chown hadoop.hadoop -R /home/hadoop/hadoop-2.3.0/ [root@master-hadoop ~] # vi /etc/profile   #添加hadoop变量，方便使用 HADOOP_HOME= /home/hadoop/hadoop-2 .3.0/ PATH=$PATH:$HADOOP_HOME /bin :$HADOOP_HOME /sbin export  HADOOP_HOME PATH [root@master-hadoop ~] # source /etc/profile

1. hadoop-env.sh设置jdk路径

1 2 3

[hadoop@master-hadoop ~]$  cd  hadoop-2.3.0 /etc/hadoop/ [hadoop@master-hadoop hadoop]$  vi  hadoop- env .sh export  JAVA_HOME= /usr/local/jdk1 .7/

2.slaves设置从节点

1 2 3

[hadoop@master-hadoophadoop]$  vi  slaves slave1-hadoop slave2-hadoop

3．core-site.xml

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

<configuration> <property> <name>fs.defaultFS< /name > <value>hdfs: //master-hadoop :9000< /value > < /property > <property> <name>io. file .buffer.size< /name > <value>131072< /value > < /property > <property> <name>hadoop.tmp. dir < /name > <value> file : /home/hadoop/tmp < /value > < /property > < /configuration > 4.hdfs-site.xml <configuration> <property> <name>dfs.namenode.name. dir < /name > <value> file : /home/hadoop/dfs/name < /value > < /property > <property> <name>dfs.namenode.data. dir < /name > <value> file : /home/hadoop/dfs/data < /value > < /property > <property> <name>dfs.replication< /name >     #数据副本数量，默认3，我们是两台设置2 <value>2< /value > < /property > < /configuration >

6．yarn-site.xml

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

<configuration> <property> <name>yarn.resourcemanager.address< /name > <value>master-hadoop:8032< /value > < /property > <property> <name>yarn.resourcemanager.scheduler.address< /name > <value>master-hadoop:8030< /value > < /property > <property> <name>yarn.resourcemanager.resource-tracker.address< /name > <value>master-hadoop:8031< /value > < /property > <property> <name>yarn.resourcemanager.admin.address< /name > <value>master-hadoop:8033< /value > < /property > <property> <name>yarn.resourcemanager.webapp.address< /name > <value>master-hadoop:8088< /value > < /property > <property> <name>yarn.nodemanager.aux-services< /name > <value>mapreduce_shuffle< /value > < /property > <property>     <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class< /name >     <value>org.apache.hadoop.mapred.ShuffleHandler< /value > < /property > < /configuration >

7.mapred-site.xml

1 2 3 4 5 6 7 8 9 10 11 12 13 14

<configuration> <property> <name>mapreduce.framework.name< /name > <value>yarn< /value > < /property > <property> <name>mapreduce.jobhistory.address< /name > <value>master-hadoop:10020< /value > < /property > <property> <name>mapreduce.jobhistory.webapp.address< /name > <value>master-hadoop:19888< /value > < /property > < /configuration >

五、格式化文件系统并启动

1.格式化新的分布式文件系统（hdfs namenode -format）

2.启动HDFS文件系统并使用jps检查守护进程是否启动

可以看到master-hadoop已经启动NameNode和SecondaryNameNode进程，slave-hadoop已经启动DataNode进程说明正常。

3.启动新mapreduce架构（YARN）

可以看到master-hadoop已经启动ResourceManger进程，slave-hadoop已经启动NodeManager进程说明正常。

4.查看集群状态

5.通过web查看资源（http://192.168.0.201:8088）

6、查看HDFS状态（http://192.168.0.201:50070）